你这个还是领域相关的， 我写的是RTL与C, C++的混合代码

这方面AI应该没怎么被喂过很多代码，所以有很多常识性的错误，比如sv里import一个C里面的函数， SV里的一个bit [1:0]， 在C侧应该是svBitVecVal*,   但ai容易把它搞成char, 还有相互调用的限制。 绝大多数仿真器是不允许C侧直接调用一个SV中的function的， 需要SV先调用C侧的函数，再在C侧函数里调SV中的函数。 因为ai理解有错，所以写出来的架构和数据流也经常问题。哪怕告诉他这些限制，它还是会犯一些小错。关键在于我不知道AI哪些理解有误，这是需要使用经验的积累的， 用的多了就知道AI对哪些理解有误，这样就能提高效率。

augment对于全局的理解比cursor好，我认为还是有用的，一个大的项目，它分解的比较好。然后局部的实现可以再用cursor来写。

当然人厉害，用什么工具都厉害



【 在 lvsoft 的大作中提到: 】
: 我来review。我现在已经基本不看ai写了啥代码了。我现在review ai的review。
: 那些提交低谷都是我重度参与的结果。人就是这里面的瓶颈。
: 而且说实话，你真的用到我这个强度你就会理解，根本就不需要你来review。ai啥都明白，它设计的架构没任何问题。比如涉及的需要密码的场合，我让它先存config.yaml里面临时过度下方便我调试，结果它干的不情不愿的，我强迫他这么干，它起手就是argon2，把这个文件加gitignore，仓库里只有config.yaml.sample，还一直给我强调怕我把这个文件提到git。
: ...................
--
FROM 124.79.64.*